论文阅读:FracBNN: Accurate and FPGA-Efficient Binary Neural Networks with Fractional Activations
FracBNN二值化工作的主要贡献有四点:(1)基于ReactNet的想法,通过改变激活层与BN层的位置,提出了一种更优秀的二值卷积结构(2)第一卷积层的二值化方案,并保持精度不降(3)分数卷积的提出,为了更高的精度,作者选择了2bit的激活值,但是很巧妙的对其进行了拆分跟组合,使卷积过程是1bit的卷积,从而便于硬件采用xnor与popcount加速(4)完成了FPGA上的加速器实现,ImageNet上Top-1精度到达了71.8%
原创
2021-12-03 12:23:57 ·
1022 阅读 ·
3 评论